Aerodynamic shape optimization in transonic conditions through parametric model embedding
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The paper presents a novel approach for aerodynamic shape optimization problems using the parametric model embedding (PME) method. PME reduces the design-space dimensionality while maintaining a connection to the original design parameters, addressing the curse of dimensionality. The optimization of an airfoil's drag in transonic conditions demonstrates the method, using the RAE-2822 airfoil at Mach 0.734 and a Reynolds number of 6.5 million. Employing the covariance matrix adaptation evolution strategy, the process is performed with 1,000 function evaluations in both original and PME-reduced design spaces. Moreover, statistical criteria based on advanced risk function are introduced to characterize and study the evolution of the optimization process. Results show that PME effectively retains essential design space characteristics, capturing at least 95% of the geometric variance associated with the original design space. This leads to significant aerodynamic improvements, including reduced drag and smoother pressure distributions. Additionally, the statistical analysis helps to understand the advantages and disadvantages of different levels of parameter space compression. • PME is proposed for aerodynamic shape optimization and its effectiveness is demonstrated to improve RAE-2822 performance. • PME does not require changes in the computation chain allowing the reconstruction of the original parameterization. • Statistical criteria based on advanced risk functions are introduced to study the evolution of the optimization process. • Statistical analysis helped to understand the advantages and disadvantages of different levels of parameter space reduction. • The computational chain used is entirely based on open-source component.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle